Brownstone » Браунстоунский журнал » Здравоохранение » Ложь, наглая ложь и причинно-следственная связь
Ложь, наглая ложь и причинно-следственная связь

Ложь, наглая ложь и причинно-следственная связь

ПОДЕЛИТЬСЯ | ПЕЧАТЬ | ЭЛ. АДРЕС

Не так давно я думал, что обнаружил худшее неправильное толкование исследования вакцин против Covid, но я только что встретил еще одного претендента на это звание. Это был исследовании, о вакцинации и дорожно-транспортных происшествиях.

Авторы объясняют, что «[они] проверили, связана ли вакцинация против COVID с риском дорожно-транспортного происшествия», и пришли к выводу, что «неуверенность в вакцинации против COVID связана со значительным увеличением риска дорожно-транспортного происшествия».

Они означали гораздо больше, чем просто «связанные». Они имели в виду, что нерешительность в отношении вакцинации увеличивает риск дорожно-транспортных происшествий — причинно-следственное утверждение, точно так же, как утверждение о том, что вакцины против Covid снижают риск смерти.

Откуда мне знать, что это была их претензия?

Они отметили, что исследование не было рандомизированным, и они использовали статистические методы для обоснования выводов о причинно-следственных связях на основе наблюдательного исследования.

Их вывод был ложным. Вот истинные выводы:

1. Их исследование показывает еще один пример предвзятость здорового вакцинанта.

2. Их исследование показывает, что не удалось устранить систематическую ошибку с помощью самого строгого статистического метода.

Позвольте мне начать с ускоренного курса по ассоциации и причинно-следственной связи.

Ассоциация – это статистическое явление. Причинно-следственная связь – это реальность. В эпоху Covid многие слышали утверждение: «Ассоциация не является (обязательно) причинно-следственной связью», и это правда. Но эти две идеи связаны. Как?

Эту связь лучше всего объяснить с помощью простой причинно-следственной диаграммы, где стрелка означает причинно-следственную связь.

Два механизма могут создать связь между А (например, вакцинацией) и Б (например, дорожно-транспортным происшествием).

1) А влияет на Б (причинно-следственная связь)

2) A и B имеют общую причину, C (смешивает)

Если А делает   влияют на B, хотя у них общая причина, A и B все равно будут связаны. Это одна из причин, почему ассоциация не обязательно является причинно-следственной связью. Рандомизированное исследование исключает любую причину назначенного нами лечения (например, сравнение одного препарата с другим), за исключением механизма рандомизации. Вот почему нам нужны рандомизированные исследования, чтобы сделать убедительные выводы о причинно-следственной связи. Смешение исчезло.

Еще один момент: любую стрелку можно считать итогом причинно-следственной цепочки. Например, С → Б может представлять С → → → → Б.

Конец конечно. Существует океан сложный материал, но это все, что нам нужно знать.

Авторы статьи знают о причинных диаграммах. Они демонстрируют сложный «ориентированный ациклический граф» (левая диаграмма), что является причудливым названием «причинной диаграммы».

Удивительно, но переменная «статус вакцинации» не отображается на их диаграмме, а только «неуверенность в вакцинации» — название, которое они дали фактической переменной, которую они анализировали: привиты или нет.

Наука не осуждает, поэтому я заменил «колебание по поводу вакцинации» на «решение» (делать прививку или нет), каковы бы ни были его причины (правая диаграмма). Затем я добавил «статус вакцинации» (А), который является эффектом «решения». Эти две переменные почти идеально коррелируют. Если я решу сделать прививку, скорее всего, мне сделают прививку. Аналогично, если я решу не делать прививку. Я игнорирую случаи, когда человек когнитивно неспособен принять решение или у него нет доступа к вакцине или физически принудительной инъекции…

Как вы можете видеть на моей диаграмме, ни одна причинно-следственная связь не связывает ни «решение», ни «статус вакцинации» с дорожно-транспортным происшествием. Нет А → Б. Единственная возможная причинно-следственная связь, неясно указанная на диаграмме авторов, связана с Covid: непривитый → инфекция → усталость → крушение. Мы можем игнорировать эту цепочку, поскольку знаем, что вакцинация не снижает риск заражения, возможно, напротив.

Итак, почему могут быть связаны вакцинация и катастрофы?

Теперь вы знаете ответ. У них много общих причин (C на моей диаграмме), некоторые из которых были измерены в исследовании, а многие нет. Судя по диаграмме, рандомизированное исследование не обнаружило бы никакой связи между вакцинацией и дорожно-транспортным происшествием, а также никаких доказательств какого-либо эффекта.

Как и ожидалось на основе их и моей диаграммы, авторы действительно обнаружили связь между вакцинацией и аварией. Невакцинированные люди подвергались более высокому риску попасть в аварию, чем вакцинированные, и наоборот: вакцинация, по-видимому, защищала от дорожно-транспортных происшествий. Некоторые из общих причин создавали видимость снижения риска, тогда как другие действовали в противоположном направлении. Совокупный эффект всех общих причин привел к псевдоэффективности в борьбе с серьезными дорожно-транспортными происшествиями.

Это еще один пример предвзятость здорового вакцинанта, о чем авторы знали. Более «благоприятные характеристики» привитых сделали их менее вероятно попасть в серьезную аварию, которая могла привести к гибели людей в результате дорожно-транспортного происшествия, одна из многих не-Ковид причины смерти. Те характеристики, которые также сделали их чаще вакцинация снизила риск аварии, а не решение принять вакцину от Covid или принять ее.

По иронии судьбы, авторы проверили предвзятость здоровых вакцинированных, используя метод, называемый «отрицательный контроль». Они изучили связь вакцинации с другими конечными точками, на которые не ожидалось никакого эффекта от вакцинации. Однако они не смогли понять, что конечная точка в их исследовании — это именно такая конечная точка.. Априори, согласно их собственной схеме и здравому смыслу, вакцинация не повлияет на риск катастрофы. «Эффект», который они обнаружили, заключался в запутанной предвзятости.

Еще более иронично то, что госпитализация в связи с травмой или травмой считалась конечная точка «отрицательного контроля» на исследования вакцины против гриппа не кто иной, как соавтор ключевая публикация об эффективности вакцин против Covid. (Я не знаю, почему он не применил этот метод к исследованиям вакцин против Covid. Я не было разрешено спрашивать.)

Риск аварии у непривитых был в 1.72 раза выше риска у привитых, или наоборот: псевдоэффект вакцинации составлял коэффициент риска 0.58, или эффективность псевдовакцины 42%.

Имея в виду причинно-следственную связь, авторы попытались скорректировать оценку несколькими методами и показали разные результаты. Они описали самую тщательную попытку следующим образом:

Цель второго анализа оценки склонности заключалась в том, чтобы обеспечить строгое сопоставление невакцинированного человека с вакцинированным человеком в соотношении 1:1 и исключить случаи, когда у какого-либо человека был медицинский диагноз.

Вам не нужно знать статистику, чтобы интуитивно понять, что это действительно строгий метод.

Получили ли они коэффициент риска 1, настоящий нулевой эффект, в результате своей самой строгой попытки устранить предвзятость к здоровым вакцинированным? Нет, они получили 1.63 (скорректированное) вместо 1.72 (без корректировки). Это все, чего удалось добиться в результате жесткой корректировки. (Оба числа технически представляют собой отношения шансов.)

Итак, когда вы читаете обзоры скудной литературы о методах устранения предвзятости о здоровых вакцинированных, помните эту статью о вакцинации и дорожно-транспортных происшествиях. Опираясь на измеряемые переменные может не устранить предвзятость, и это все, что мы нужно знать.

Объясняется лучшее, что мы можем сделать на данный момент. в другом месте. Это совсем не сложно, хотя есть и нечто большее. исследовать. Настоящая проблема, с которой мы сталкиваемся, не является научной: необходимые нам данные о смертности, не связанной с Covid, обычно скрыты.

P.S. Я был заместителем редактора Американский журнал эпидемиологии, и в моем послужном списке около 200 публикаций, некоторые из них в так называемых ведущих медицинских журналах. Переформатировать этот пост или другими организациями по теме и отправить их в журнал, чтобы получить штамп «рецензируемый?»

я сдался Ричард Льюис.

Переиздано с сайта автора Средний



Опубликовано под Creative Commons Attribution 4.0 Международная лицензия
Для перепечатки установите каноническую ссылку на оригинал. Институт Браунстоуна Статья и Автор.

Автор

  • Эяль Шахар

    Доктор Эяль Шахар является почетным профессором общественного здравоохранения в области эпидемиологии и биостатистики. Его исследования сосредоточены на эпидемиологии и методологии. В последние годы д-р Шахар также внес значительный вклад в методологию исследований, особенно в области причинно-следственных диаграмм и предубеждений.

    Посмотреть все сообщения

Пожертвовать сегодня

Ваша финансовая поддержка Института Браунстоуна идет на поддержку писателей, юристов, ученых, экономистов и других смелых людей, которые были профессионально очищены и перемещены во время потрясений нашего времени. Вы можете помочь узнать правду благодаря их текущей работе.

Бесплатная загрузка: Как сократить 2 триллиона долларов

Подпишитесь на рассылку Brownstone Journal и получите новую книгу Дэвида Стокмана.

Бесплатная загрузка: Как сократить 2 триллиона долларов

Подпишитесь на рассылку Brownstone Journal и получите новую книгу Дэвида Стокмана.